Вы сразу начнете говорить что это фейк все торги только на истории и.т.п , но я довольно много общался с этим человеком по общению я понял что человек глубокий практик и по рынку у меня не было таких вопросов на которые у него не было ответов..
Человек этот кандидат. тех. наук. , уже достаточно давно (лет 20 назад )защищал диссертацию по "ИИ" строит роботов тоже больше 20 лет, опыта у него вагон с тележкой
И он утверждает что нельзя рынок спрогнозировать с позиции черного ящика, нужно выделять рабочие признаки, понимать как и почему они работают , максимально фильтровать данные чтоб оставить только то что работает игнорируя шум.
У него в сети около 100 признаков(предикторов), за каждым признаком стоит целая библиотека или пакет как хотите
А теперь сравните какая пропасть по качеству между признаком для получения которого нужно писать целую библиотеку и какой то дурацкой кривулькой имя которой "SMA" , "MACD" ,"RSI" и прочее ... полезной информации в которой 0.00000001% как и писал Mihail Marchukajtes , и это есть факт иначе модели показывали бы именно ту эффективность которую они могут показывать, а это от 90% правильных ответов
Человек этот рекомендует ознакомиться с "МГУА" и спектральным анализом в частности Фурье
Дальше каких результатов я "демагог" добился, да на самом деле очень скромных, задумок хороших как мне кажется очень много, мои исследование идут сразу во многих направлениях и есть огромная нехватка в знаниях в различных областях, потому часто прошу помощи у форумчан, но особо помогать никто и не хочет , молв ты сам научись, а тогда ..... только вот если я уже сам все освою то зачем мне тогда это общение, как то без логики по моему.. ну это я отвлекся
вот лучшее на дан. мом. что мне удалось выжать из RF на новых данных это 50% в месяц на протяжении 2-ух месяцев подряд, но все пока очень не стабильно, картинки пробовал закинуть раз 10 но не получаеться (получилось)
Суть в том в том что не надо себя изначально ограничивать шаблонами типа 30% в год это круто, это не круто, это рамки для разума и творчества
Поздравляю. Вот так и торгуйте 5 лет. Или покажите любые данные реал. статистики за 5 лет.
А по поводу признаков, я не хочу тут разводить диванный анализ, типа, ваши признаки гумно, есть признаки лучше, модели не важны. Ну, покажите, что вы сделали. Я все свои входы тут выкладывал, и их комбинации тоже. Посчитайте их информативность. А так-то зачем воздух колебать?
вот лучшее на дан. мом. что мне удалось выжать из RF на новых данных это 50% в месяц на протяжении 2-ух месяцев подряд, но все пока очень не стабильно, картинки пробовал закинуть раз 10 но не получаеться (получилось)
Суть в том что не надо себя изначально ограничивать шаблонами типа 30% в год это круто, это не круто, это рамки для разума и творчества
это бэк-тест на данных вне выборки? Правильно я понял?
что именно вы хотите узнать? 90% того что я знаю я уже выкладывал тут, с картинками, но никому до этого нет дела, у каждого свое понимание рынка - свой путь. Соответственно каждый воспринимает информацию по своему и далеко не всегда готов слушать другого именно слушать а не слышать
Похоже на неправильное обучение модели, слишком большой разброс. Модели обычно имеют какие-то случайные процессы при обучении, где логика обучения константно не дефинирована. Такие рандомные моменты приводят к тому что обучив несколько моделей, они хоть и будут давать примерно одинаковые результаты на тренировочных данных, но на фронттесте будут отличия.
Есть несколько источников проблемы и её решений: 1) есть шумовые входы не несущие полезной информации, их надо убрать 2) поменять параметры обучения модели. Для нейронки я решил эту проблему параметром decay(торможение скорости обучения), результаты на фронттесте с этим параметром стали менее разбросанными. Что делать с лесом я не знаю 3) сделать комитет моделей. Обучить много моделей, фронттест делать на всех моделях, брать тот результат куда говорит большинство 4) если делаете кроссвалидацию в процессе обучения - то повторяйте её несколько раз на одних и техже данных, смотрите насколько большой будет разброс результатов, выбирайте модели и предикторы с небольшим разбросом
Это то что пришло сейчас на ум, но это не предел возможных проблем.
Для авторизации и пользования сайтом MQL5.com необходимо разрешить использование файлов Сookie.
Пожалуйста, включите в вашем браузере данную настройку, иначе вы не сможете авторизоваться.
Вы вошли в аккаунт. Двухфакторная аутентификация отключена. Настройте её заново и отсканируйте новый QR-код или продолжите с отключённой двухфакторной аутентификацией.
Человек этот рекомендует ознакомиться с "МГУА" и спектральным анализом в частности Фурье
========================================================
Дальше каких результатов я "демагог" добился, да на самом деле очень скромных, задумок хороших как мне кажется очень много, мои исследование идут сразу во многих направлениях и есть огромная нехватка в знаниях в различных областях, потому часто прошу помощи у форумчан, но особо помогать никто и не хочет , молв ты сам научись, а тогда ..... только вот если я уже сам все освою то зачем мне тогда это общение, как то без логики по моему.. ну это я отвлекся
вот лучшее на дан. мом. что мне удалось выжать из RF на новых данных это 50% в месяц на протяжении 2-ух месяцев подряд, но все пока очень не стабильно, картинки пробовал закинуть раз 10 но не получаеться (получилось)
Суть в том в том что не надо себя изначально ограничивать шаблонами типа 30% в год это круто, это не круто, это рамки для разума и творчества
Поздравляю. Вот так и торгуйте 5 лет. Или покажите любые данные реал. статистики за 5 лет.
А по поводу признаков, я не хочу тут разводить диванный анализ, типа, ваши признаки гумно, есть признаки лучше, модели не важны. Ну, покажите, что вы сделали. Я все свои входы тут выкладывал, и их комбинации тоже. Посчитайте их информативность. А так-то зачем воздух колебать?
Что означает "RF 10/5"
Да это я для себя делал заметку на картинке когда тестировал модель на новых данных, на это не обращайте внимание ....
это параметр модели 5 деревьев 10 веток в дереве
Да это я для себя делал заметку на картинке когда тестировал модель на новых данных, на это не обращайте внимание ....
это параметр модели 5 деревьев 10 веток в дереве
Очень все интересно!
Может подкините какие-либо подробности?
вот лучшее на дан. мом. что мне удалось выжать из RF на новых данных это 50% в месяц на протяжении 2-ух месяцев подряд, но все пока очень не стабильно, картинки пробовал закинуть раз 10 но не получаеться (получилось)
Суть в том что не надо себя изначально ограничивать шаблонами типа 30% в год это круто, это не круто, это рамки для разума и творчества
Очень все интересно!
Может подкините какие-либо подробности?
это бэк-тест на данных вне выборки? Правильно я понял?
да
Похоже на неправильное обучение модели, слишком большой разброс. Модели обычно имеют какие-то случайные процессы при обучении, где логика обучения константно не дефинирована. Такие рандомные моменты приводят к тому что обучив несколько моделей, они хоть и будут давать примерно одинаковые результаты на тренировочных данных, но на фронттесте будут отличия.
Есть несколько источников проблемы и её решений:
1) есть шумовые входы не несущие полезной информации, их надо убрать
2) поменять параметры обучения модели. Для нейронки я решил эту проблему параметром decay(торможение скорости обучения), результаты на фронттесте с этим параметром стали менее разбросанными. Что делать с лесом я не знаю
3) сделать комитет моделей. Обучить много моделей, фронттест делать на всех моделях, брать тот результат куда говорит большинство
4) если делаете кроссвалидацию в процессе обучения - то повторяйте её несколько раз на одних и техже данных, смотрите насколько большой будет разброс результатов, выбирайте модели и предикторы с небольшим разбросом
Это то что пришло сейчас на ум, но это не предел возможных проблем.
развивайте идею. добавляйте больше данных. надо, чтобы пару лет проходила вне выборки. А так, хорошо, молодцы!